OpenAI ha presentato GPT-6.1 Terra, un modello di intelligenza artificiale sviluppato per svolgere attività professionali attraverso l’utilizzo diretto del computer (26 ottobre 2026). L’obiettivo è ridurre il costo dell’automazione digitale, consentendo alle imprese di affidare agli agenti AI operazioni che richiedono l’interazione con programmi, documenti, interfacce grafiche e applicazioni aziendali.
La novità economica riguarda il prezzo. GPT-6.1 Terra costa il 50% in meno rispetto al predecessore GPT-5.6 Terra e a GPT-6.1 Sol, pur offrendo, secondo i test pubblicati da OpenAI, prestazioni superiori nella comprensione visiva, nell’esecuzione di attività informatiche e nella programmazione.
Il modello arriva in una fase di crescita degli investimenti aziendali negli agenti intelligenti. Secondo l’indagine The State of AI in 2026: On the Road to ROI, pubblicata da McKinsey ad agosto 2026, il 40% delle grandi aziende intervistate dichiara di utilizzare agenti AI su scala operativa, contro il 27% dell’anno precedente. Nelle organizzazioni più piccole la quota rimane al 22%.
Indice degli argomenti:
Dall’intelligenza artificiale che risponde a quella che lavora
La caratteristica principale di GPT-6.1 Terra è la capacità di passare dalla comprensione dei contenuti all’esecuzione di operazioni nei software. Il sistema può interpretare un disegno tecnico, compilare un modulo, lavorare su un documento, confrontare immagini o intervenire su un’applicazione attraverso la sua interfaccia.
OpenAI cita anche la preparazione di proposte commerciali, il montaggio video e la gestione delle fatture. In un processo amministrativo, per esempio, un agente può leggere i dati presenti in un documento contabile e inserirli nel programma gestionale.
Queste funzionalità avvicinano l’intelligenza artificiale ai sistemi di automazione dei processi aziendali, tradizionalmente basati su procedure predefinite. La differenza è nella capacità di interpretare informazioni visive e istruzioni formulate in linguaggio naturale, adattando le operazioni alle caratteristiche del compito.
Le applicazioni potenziali riguardano amministrazione, progettazione, commercio elettronico, servizi professionali e sviluppo software.
Il vantaggio economico dipende dalla possibilità di ridurre il tempo necessario per completare operazioni ripetitive, mantenendo un livello di affidabilità compatibile con le esigenze aziendali.
Prezzi dimezzati: quanto costa GPT-6.1 Terra
OpenAI ha fissato il prezzo standard delle API di Terra a 1 dollaro per milione di token in ingresso e 5 dollari per milione di token in uscita. I token sono le unità utilizzate per misurare l’elaborazione di testi e altri contenuti. Per gli input già memorizzati nella cache, il prezzo scende a cinque centesimi per milione.
Il confronto con gli altri modelli della società evidenzia le differenze di posizionamento.
| Modello OpenAI | Input per milione di token | Output per milione di token |
|---|---|---|
| GPT-6.1 Terra | 1 $ | 5 $ |
| GPT-6.1 Sol | 2 $ | 10 $ |
| GPT-6 Astra | 10 $ | 50 $ |
| GPT-6 Luna | 0,10 $ | 0,50 $ |
Per comprendere l’impatto sui bilanci aziendali, si può considerare un’applicazione che consumi mensilmente 100 milioni di token in ingresso e 20 milioni in uscita. Con Terra, il costo teorico di elaborazione sarebbe di 200 dollari, rispetto ai 400 dollari di Sol e ai 2.000 dollari di Astra.
L’esempio considera soltanto le tariffe dei token standard. Non comprende eventuali costi degli strumenti, chiamate aggiuntive, infrastruttura, controlli e operazioni ripetute dopo un errore. Le richieste che superano determinate soglie di lunghezza possono inoltre comportare sovrapprezzi.
Per valutare un progetto di automazione, quindi, le aziende devono misurare il costo di ogni attività completata correttamente, anziché fermarsi al prezzo unitario del modello.
Benchmark: Terra raggiunge i modelli più costosi
La riduzione dei prezzi si accompagna a miglioramenti nei test che misurano la capacità dell’intelligenza artificiale di completare attività professionali.
Nel benchmark Agents’ Last Exam, che comprende operazioni come trasformare disegni architettonici in modelli tridimensionali e analizzare sequenze cinematografiche, Terra ottiene un risultato superiore di 15 punti percentuali rispetto a GPT-5.6 Terra, utilizzando un livello medio di ragionamento.
Secondo OpenAI, il risultato arriva a circa un terzo del costo del predecessore. Il modello raggiunge inoltre prestazioni paragonabili a GPT-6 Astra, pur avendo un prezzo per token dieci volte inferiore.
Anche la velocità cambia sensibilmente: Terra completa le attività del benchmark oltre tre volte più rapidamente di Astra e GPT-6.1 Sol.
Nel confronto con Claude Opus 5.5 di Anthropic, OpenAI dichiara un’efficienza nell’utilizzo dei token superiore di oltre tre volte, con ragionamento impostato al massimo. Il costo stimato per attività risulta circa nove volte inferiore.
Si tratta di risultati pubblicati dal produttore, che richiedono verifiche indipendenti su applicazioni aziendali reali. Le prestazioni possono variare in funzione della complessità dell’operazione, degli strumenti disponibili e del numero di tentativi necessari per completarla.
Comprensione visiva e utilizzo delle applicazioni
La capacità di interpretare immagini e schermate rappresenta uno degli elementi distintivi di Terra.
Nel benchmark MMMU-Pro, dedicato al ragionamento visivo multimodale, il modello supera GPT-5.6 Terra con tutte le configurazioni di ragionamento. Secondo OpenAI, si avvicina inoltre alle prestazioni di GPT-6 Astra e GPT-6.1 Sol, mantenendo costi inferiori.
Un altro riferimento è OSWorld 2.1, che misura la capacità degli agenti di utilizzare applicazioni desktop per completare attività articolate in più passaggi.
Con ragionamento medio, Terra supera il miglior risultato della generazione precedente, riducendo il costo per operazione.
La rilevanza economica di queste capacità riguarda soprattutto i processi che attraversano programmi differenti. Molte attività amministrative richiedono ancora di estrarre informazioni da un documento, verificarle e trasferirle manualmente in un’applicazione.
La ricerca OSWorld-Human: Benchmarking the Efficiency of Computer-Use Agents, presentata alla conferenza MLSys 2026, ha evidenziato però i limiti operativi degli agenti. Analizzando 16 sistemi, i ricercatori hanno rilevato che persino i migliori effettuavano tra 2,7 e 4,3 volte i passaggi strettamente necessari. La latenza rimane quindi un fattore decisivo nella valutazione della produttività.
Errori fattuali in forte diminuzione
Un miglioramento rilevante riguarda l’accuratezza delle risposte.
Nei test interni di OpenAI, costruiti utilizzando richieste particolarmente difficili, il tasso di risposte contenenti almeno un errore fattuale è passato dal 53,6% di GPT-5.6 Terra al 16,7% di GPT-6.1 Terra, con ragionamento basso.
La diminuzione è di 36,9 punti percentuali, equivalente a una riduzione relativa di circa il 69%.
Con il ragionamento massimo, il nuovo modello registra un tasso di errore del 4,3%, inferiore di 18 punti percentuali rispetto al predecessore.
Questi dati riguardano uno specifico benchmark interno e non rappresentano una misura generale dell’affidabilità nelle applicazioni aziendali.
Per un’impresa, tuttavia, l’accuratezza ha conseguenze economiche dirette. Un errore nell’inserimento di una fattura può generare costi di correzione; un’informazione inesatta in un’offerta commerciale può richiedere revisioni e verifiche aggiuntive.
Un modello più affidabile può quindi diminuire i costi indiretti dell’automazione, purché i risultati siano confermati attraverso prove sui processi effettivamente utilizzati dall’organizzazione.
Programmazione: raddoppiano le prestazioni
GPT-6.1 Terra registra progressi anche nello sviluppo software.
Nel benchmark Terminal-Bench 4.0, che valuta la capacità degli agenti di risolvere problemi attraverso la riga di comando, il modello completa il 50,3% delle attività con il massimo livello di ragionamento.
GPT-5.6 Terra aveva ottenuto il 21,5%. Il miglioramento supera quindi i 28 punti percentuali.
Le prove comprendono interventi tecnici come la correzione di pagine web il cui layout cambia durante il caricamento.
Nel benchmark Terminal-Bench-Science 0.1, dedicato all’impiego del codice nella ricerca scientifica, Terra supera GPT-6.1 Sol e si avvicina a meno di cinque punti dal risultato di Claude Opus 5.5, con un costo stimato inferiore a un quinto.
OpenAI continua comunque a indicare Sol e Astra come soluzioni preferibili per le attività di programmazione più complesse.
La distinzione è importante per le imprese: modelli economici possono gestire interventi circoscritti, mentre i sistemi più avanzati restano adatti ai problemi che richiedono ragionamenti particolarmente articolati.
Il mercato degli agenti AI e le nuove scelte aziendali
Il lancio di Terra si inserisce nell’espansione dell’automazione intelligente.
Nell’agosto 2026, McKinsey ha rilevato che circa un quinto delle organizzazioni intervistate utilizza agenti di programmazione su scala operativa. La quota raggiunge il 31% nelle grandi imprese.
Un ulteriore risultato riguarda le decisioni di investimento: il 32% degli intervistati dichiara che la propria organizzazione ha rinunciato ad acquistare almeno un prodotto o una funzionalità software perché poteva svilupparla internamente utilizzando agenti di programmazione.
Questo comportamento può modificare i rapporti economici tra produttori di software e clienti aziendali. Le organizzazioni possono valutare se acquistare applicazioni complete oppure costruire strumenti specifici attraverso modelli di intelligenza artificiale.
Anche Gartner prevede un’espansione del settore. Nel rapporto Forecasting the $222 Billion Opportunity for Cross-Functional & Consumer Agentic AI, pubblicato il ad agosto 2026, la società di ricerca stima che il mercato degli agenti e degli assistenti AI autonomi, destinati a imprese e consumatori, possa crescere di tredici volte tra il 2025 e il 2030.
Si tratta di una previsione, non di ricavi già realizzati. L’effettiva crescita dipenderà dall’adozione commerciale, dall’affidabilità delle applicazioni e dalla capacità dei fornitori di sostenere i costi operativi.
Sicurezza informatica e rischi dell’automazione
L’utilizzo autonomo del computer introduce esigenze di sicurezza differenti rispetto a quelle di un chatbot tradizionale.
Un agente che può interagire con applicazioni e documenti aziendali deve rispettare autorizzazioni, limiti operativi e regole di accesso ai dati.
OpenAI dichiara che GPT-6.1 Terra raggiunge la soglia critica per le capacità di cybersicurezza prevista dal proprio Preparedness Framework e mantiene le protezioni sviluppate per GPT-6 Astra.
Secondo i test dell’azienda, il modello risulta inoltre più resistente ai tentativi di prompt injection, cioè alle istruzioni malevole inserite in contenuti che l’agente potrebbe incontrare durante il lavoro.
La presenza di queste difese non elimina la necessità di controlli. Le imprese devono limitare i permessi degli agenti, registrare le operazioni e prevedere approvazioni umane quando sono coinvolti pagamenti, dati sensibili o modifiche difficili da annullare.
L’autonomia operativa genera benefici soltanto se accompagnata da sistemi di supervisione adeguati.
Disponibilità per aziende e sviluppatori
GPT-6.1 Terra è disponibile dal 26 ottobre 2026 in ChatGPT Work e Codex per gli utenti dei piani Plus, Pro, Enterprise ed Edu.
Gli sviluppatori possono utilizzare il modello attraverso le API OpenAI con l’identificatore gpt-6.1-terra.
La documentazione tecnica indica una finestra di contesto di 1.050.000 token e una capacità massima di output di 128.000 token. Sono supportati input testuali e immagini, oltre agli strumenti per la ricerca, l’esecuzione di codice e l’utilizzo del computer.
Per le imprese, il vantaggio economico dipenderà dalla quantità di lavoro completato entro i limiti degli abbonamenti o delle tariffe a consumo.
Una nuova economia dell’automazione digitale
La strategia commerciale di OpenAI punta a distribuire le attività tra modelli con capacità e costi differenti.
Terra è destinato alle operazioni professionali frequenti, Sol a quelle più impegnative, Astra ai problemi che richiedono capacità avanzate. Luna rimane l’opzione meno costosa per compiti circoscritti e ripetitivi.
Questa articolazione consente alle aziende di costruire sistemi nei quali ciascuna attività utilizza il modello economicamente più adatto.
La riduzione del prezzo dei token può rendere sostenibili applicazioni che prima richiedevano investimenti eccessivi. Il risparmio effettivo, però, dipenderà dal rapporto tra attività completate, tempo impiegato, errori prodotti e costi di supervisione.
L’effetto più rilevante di GPT-6.1 Terra potrebbe quindi riguardare il bilancio dell’automazione aziendale: l’intelligenza artificiale diventa meno costosa per singola operazione, mentre la capacità delle imprese di organizzare processi affidabili determina quanto valore economico riescono a ottenere.
Partecipa alla community